Neue Rollenverteilung in der Finanzfunktion

Das Zusammenspiel von Mensch, Maschine und KI erfordert eine grundlegend neue Denkweise. Die klassische Logik – automatisieren, was geht, und den Rest manuell abdecken – greift zu kurz. Denn KI verschiebt nicht nur bestehende Aufgabenverteilungen, sie bringt auch neue Anforderungen mit sich. Sie kann Aufgaben übernehmen, die klassische Automatisierung nicht bewältigt – etwa das Verstehen inhaltlicher Zusammenhänge oder das Generieren von Hypothesen aus komplexen Datenlagen.

Gleichzeitig ist KI – anders als Programmroutinen – nicht immer schnell, eindeutig oder vollständig nachvollziehbar. Das verlangt eine neue Kalibrierung der Zuständigkeiten. Wo klassische Tools standardisierte Prozesse schnell und zuverlässig ausführen, entfaltet KI ihr Potenzial vor allem in komplexen, auswertungsintensiven Szenarien. Für finale Bewertungen und Entscheidungen bleibt menschliche Expertise unersetzlich.

Das neue Modell folgt daher keiner linearen Logik, sondern einem integrativen Ansatz: Automatisierung durch klassische Tools, Analyse durch KI, Einordnung und Steuerung durch den Menschen. Diese dreigliedrige Arbeitsteilung ist nicht nur effizient – sie ist auch notwendig, um Komplexität beherrschbar zu machen.

KI-gestützte Automatisierung in der Praxis

Ein typischer Anwendungsfall liegt in Data-Warehouse-Projekten oder bei der Einführung neuer regulatorischer Standards. Gerade bei der Umsetzung von Vorgaben wie der CSRD müssen Daten aus verschiedenen Systemen zusammengeführt werden. Diese sind oft historisch gewachsen und unterschiedlich benannt. Ein manuelles Mapping tausender Felder würde je nach Umfang der Anforderungen Wochen oder Monate dauern. Herkömmliche Tools oder reine KI-Lösungen stoßen hier an Grenzen – sei es durch mangelnde Präzision oder zu hohe Rechenaufwände.

Ein kombinierter Ansatz aus KI, Programmroutinen und Fachwissen schafft Abhilfe: Die KI erkennt semantisch ähnliche Felder und priorisiert aus Millionen möglicher Zuordnungen. Anschließend strukturiert eine Programmroutine die Ergebnisse vor. Die Mitarbeitenden prüfen dann nur noch die besten Treffer.

So werden komplexe Matching-Prozesse auf wenige, gezielte Entscheidungen reduziert – bei deutlich geringerem manuellem Aufwand, schnellerer Umsetzung und konsistenteren Ergebnissen über Systemgrenzen hinweg.

Innovativer KI-Einsatz in der Abschlusserstellung

Auch in der Abschlusserstellung bietet sich ein innovativer Anwendungsfall: Durch die Kombination aus KI-gestützter Kontextanalyse und regelbasierter Programmlogik lassen sich potenzielle Inkonsistenzen zwischen Tabellen und begleitendem Text erkennen – sowohl innerhalb eines Dokuments als auch über mehrere hinweg.

So funktioniert der Prozess:

• Zahlenwerte werden automatisch extrahiert – inklusive ihres semantischen Kontexts (z. B. „Zinsaufwände“, „Erlöse“, „Abschreibungen“) mithilfe klassischer Programmroutinen und KI-Module.

• Konsistenzprüfung über das gesamte Dokument hinweg – etwa ob die „Risikokosten“ im GuV-Tabellenblatt, in einer Fußnote und im Lagebericht übereinstimmen.

• Regelbasierte Logik für den Abgleich – der eigentliche Vergleich erfolgt bewusst ohne KI, um die Fehleranfälligkeit beim massenhaften Zahlenabgleich zu vermeiden.

Für die finale fachliche Bewertung bleibt weiterhin das menschliche Urteil entscheidend, aber auf Basis einer klar priorisierten Liste potenzieller Widersprüche. Das führt zu mehr Sicherheit in der Berichterstattung, weniger manuellen Kontrollaufwänden und einer deutlich höheren Datenqualität, insbesondere bei prüfungs- bzw. steuerungsrelevanten Dokumenten wie IFRS-Abschlüssen, regulatorischen Meldungen oder internen Managementberichten.

Dreigliedrige Arbeitsteilung als neues Paradigma

Es zeigt sich, dass KI durch seine fundamentale Abgrenzung von menschlicher Arbeit und klassischen Programmroutinen nicht einfach nur bestehende Automatisierungsmöglichkeiten erweitert, sondern eine komplett neue Handlungsdimension darstellt. Das Spannungsfeld zwischen Zeit, Kosten und Qualität kann durch diese neuen Möglichkeiten erheblich reduziert werden.

Die größere Anzahl an unterschiedlich geeigneten Handlungsmöglichkeiten führt jedoch auch zu einer höheren Komplexität. Ihr lässt sich am ehesten dadurch begegnen, dass beim Einsatz und der Entwicklung von Software von Anfang an darauf geachtet wird, dass das Zusammenspiel der Stärken und Schwächen gemäß des neuen magischen Dreiecks gezielt berücksichtigt wird.

Quelle: KPMG Deutschland, 2025

Bei Tools, die nach dem Ansatz des beschriebenen Zusammenarbeitsmodells entwickelt wurden, wie die oben genannten Beispiele, zeigt sich, dass ein hohes Potenzial in der Synergie zwischen Mensch, klassischen Programmroutinen und KI liegt, das weit über die Nutzung von Chatbots hinausgeht.

Gerade im komplexen Umfeld von Finanzen, Compliance und Datenanalyse zeigt sich, dass nur durch die Kombination von Stärken wie menschlichem Urteilsvermögen, maschineller Verarbeitungsgeschwindigkeit und der flexiblen Mustererkennung von KI wirklich nachhaltige und anwenderfreundliche Lösungen entstehen können. Eine korrekte Anwendung dieser Tools kann somit vielen aktuellen Herausforderungen in Finanzabteilungen entgegenwirken.